ChiCTR2400084141尚未招募Unknown
利用超声相关的人工智能或放射组学以实现肾脏良性及恶性肿瘤的诊断、鉴别诊断以及预后的研究
未提供1 个研究点 分布在 1 个国家开始时间: 2024年5月31日最近更新:
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 试验地点
- 1
- 主要终点
- 肿瘤的病理检查结果
研究概览
简要总结
通过超声人工智能、放射组学构建模型以诊断不同类型的肾脏良性及恶性肿瘤或预测预后为本研究的目的
研究设计
- 研究类型
- Observational
入排标准
- 年龄范围
- 16 至 90（—）
- 性别
- All
入选标准
- •① 在我院确诊肾脏良性及恶性肿瘤的患者；
- •② 术前一周内有肾脏超声检查资料的患者。
排除标准
- •② 确实大部分临床资料；
- •③ 合并有其他严重的慢性疾病或恶性肿瘤；
- •④ 术后随访时间小于 12 个月。
研究组 & 干预措施
肾脏良性及恶性肿瘤组
结局指标
主要结局
肿瘤的病理检查结果
年龄，性别，BMI，既往史，肾脏肿瘤的大小、位置、血流等
肾脏肿瘤的超声影像组学特征
次要结局
- 实验室检查结果（包括血常规，肾功能，血沉，肿瘤标志物等等）
- 肾脏肿瘤的其他影像组学特征（CT 和 MRI）
- 肿瘤的手术方式及治疗手段
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于人工智能的肾脏超声影像分析平台ChiCTR2400081405脉得智能科技（无锡）有限公司
Unknown
不适用
基于人工智能肾脏肿瘤病理特征与预后精准预测模型的构建肾脏肿瘤ChiCTR1900025090福建省中青年教师教育科研项目
尚未招募
Unknown
MRI 多参数功能序列对肾脏肿瘤诊断及预测价值的临床研究肾脏肿瘤ChiCTR2300074716
招募中
Unknown
基于深度学习的影像组学联合病理组学构建肾占位性病变诊断和预后模型及其前瞻性验证肾肿物ChiCTR2100051935国家自然科学基金 819025632,350
Unknown
不适用
肾脏病诊疗预测模型的建立与验证——基于真实世界数据的人工智能应用探索肾脏病ChiCTR2000030070院内基金